作者，Evil_Genius
又被隔离了，我没去过风险地区都隔离，真的是没道理可讲。
今天我们来分享空间分析新的方法，包括注释与通讯。
其实对于空间转录组来讲，细胞注释一直是一个很大的问题，因为空间每个spot含有多个细胞，像华大、百迈客那种超精度的空间，最后也是合并spot进行分析，分析时候的精度还不如10X，原理如下图：
图片.png
因为空间的有序性和整体性，细胞不是割裂般的存在，这种你中有我的状态注定了注释的难度，不过每件事情都有两面性，如果空间注释的好，做到了一般人做不到的情况，那你发文相当抢手了。
还有一个问题就是如果要求做空间必须做匹配的单细胞的内容，也是非常棘手，无论从现实角度、还是分析角度而言，分析难度都有质的提升，对人的要求也是相当高的
今天我们来分享一个新的思路，关于空间注释
如果说我们只有空间数据该怎么注释？？来看看文献给的思路
空间矩阵
空间数据也是一样，参考组、疾病组都要有，而且要存在生物学重复，在疾病的发展过程中不同阶段也要取到相应的空间转录组样本。像这里，就很用心的去到了在疾病变化过程中多个阶段的空间样本，非常NICE。
为了表征空间组织学的生物学成分，首先确定了在不同样本区域的不同阶段中表达共同改变的基因组(模块)。
空间模块
每个模块进行GO富集注释，这些模块中的生物过程包括突触组装、突触通信和可塑性、神经元投射的调节、髓鞘形成、免疫细胞激活和组织重构。
我们首先要关注第一个问题，这些模块基因如何找到的
我们先跳到方法部分，Gene coexpression analysis
可见作者用到WGCNA的分析方法，WGCNA找到的模块基因，使用limmaDE2包中的wgcna2igraph函数，将得到的共表达式网络转换为一个igraph object。为了可视化目的，具有>100个基因的模块被随机下采样(不替换)。在使用ggraph包绘图之前，对网络应用了基于community的布局。对于模块注释，使用clusterProfiler package中的富集GO函数对每个模块的基因进行基因本体(GO)term富集分析，参数“ont”(本体)设置为“BP”(生物过程)，参数“minGSSize”(要考虑的GOterm的最小大小)设置为10，参数“universe”设置为WGCNA分析的所有输入基因。每个模块选择唯一富集的、经FDR调整P≤0.1的GO项。使用clusterProfiler中的simplify函数根据语义相似性对高度冗余的terms进行了合并。每个模块的剩余重要GO terms使用clusterprofiler emapplot函数表示为GO terms富集图，并导出到Cytoscape进行绘图。
图片.png
方法我相信大家都做过，但能做到这么好的应该没几个，其中的wgcna2igraph函数大家要学习一下，因为这个方法其实是在告诉我们，How to find the hub genes in the gene co-expression network constructed by WGCNA，网址在https://github.com/jtlovell/limmaDE2。
随后对单细胞数据的整合表明（这里的单细胞数据并不是作者自己测到，而是来源于公共数据库），在每个模块中识别的基因主要只在一种细胞类型中表达。然而，共表达图中跨模块的大量edges显示，它们的调控在细胞类型之间高度相连，这意味着进展性致病过程具有强烈的相互依赖性，由细胞间通信介导。
Predicted cell type expression for genes
这样的注释方式，是不是让你的注释难题容易了很多？？？我们来关注一些模块与单细胞数据的联合分析
为了建立基于与单细胞数据(integration with single-cell data)的细胞特异性基因表达模型，每个基因的线性模型通过类似于gene expression ~ signature enrichment cell type 1 + signature enrichment cell type 2 + … + signature enrichment cell type n.得到的系数被标准化和缩放为每个基因，并通过将它们映射到基因共表达网络来可视化。是不是有点难以理解？？说白了类似于将模块的基因给一个权重值，看看这个权重值主要在单细胞的什么细胞类型中表达。
第二部分，空间通讯新玩法
图片.png
作者也是很给力，在83,256个空间niche中评估了1,396个配体-受体对的表达，得出了两个配体-受体对之间的表达距离小于200 μm的组合表达值（这个地方参考一下10X空间的精度，大概是周围1层spot的范围）。一个阈值是建立在旁分泌和旁分泌信号范围上的。该分析获得了428个配体-受体相互作用的空间解析表达数据，当进一步与完整的神经元信号富集相关时，允许我们将细胞间通信与神经退行性变的pseudotemporal联系起来。
网友评论